劳伦斯·K·索尔。;萨姆·罗伊斯(Sam T.Roweis)。 全局思考,局部拟合:无监督学习低维流形。 (英语) Zbl 1093.68089号 J.马赫。学习。物件。 4,第2期,119-155(2004). 摘要:降维问题出现在信息处理的许多领域,包括机器学习、数据压缩、科学可视化、模式识别和神经计算。这里我们描述了局部线性嵌入(LLE),这是一种无监督学习算法,用于计算高维数据的低维邻域保持嵌入。假设从基础流形采样的数据映射到低维的单个全球坐标系。映射是从局部线性重构的对称性导出的,嵌入的实际计算简化为稀疏特征值问题。值得注意的是,LLE中的优化虽然能够生成高度非线性的嵌入,但实现起来很简单,并且不涉及局部极小值。在本文中,我们详细描述了该算法的实现,并讨论了增强其性能的几个扩展。我们将该算法的结果应用于从已知流形采样的数据,以及面部、嘴唇和手写数字的图像集合。这些示例用于对算法的性能(成功和失败)进行详细说明,并将算法与以前和正在进行的非线性降维工作联系起来。 引用于97文件 理学硕士: 68T05型 人工智能中的学习和自适应系统 软件:JDQZ公司;JDQR公司 PDF格式BibTeX公司 XML格式引用 \textit{L.K.Saul}和\textit{S.T.Roweis},J.Mach。学习。第4号决议,第2号,119--155(2004年;Zbl 1093.68089) 全文: 内政部